net/publication/322049361
CITATIONS READS
0 2,484
2 authors:
Some of the authors of this publication are also working on these related projects:
Generalized Linear Latent Variable Models (GLLVM) TMB PACKAGE View project
All content following this page was uploaded by Rezzy Eko Caraka on 22 July 2018.
i
Sanksi Pelanggaran Pasal 72
Undang-undang Nomor 19 Tahun 2002
Tentang Hak Cipta :
1. Barangsiapa dengan sengaja dan tanpa hak mengumumkan atau memperbanyak ciptaan
pencipta atau memberi izin untuk itu, dapat dipidana dengan pidana penjara masing-masing
paling singkat 1 (satu) bulan dan/atau denda paling sedikit Rp. 1.000.000,00 (satu juta rupiah),
atau pidana penjara paling lama 7 (tujuh) tahun dan/atau denda paling banyak Rp.
5.000.000.000,00 (lima miliar rupiah).
2. Barangsiapa dengan sengaja menyiarkan, memamerkan, mengedarkan, atau menjual kepada
umum suatu ciptaan atau barang hasil pelanggaran hak cipta atau hak terkait, dapat dipidana
dengan penjara paling lama 5 (lima) tahun dan/atau denda paling banyak Rp. 500.000.000,00
(lima ratus juta rupiah).
ii
SPATIAL
DATA PANEL
Rezzy Eko Caraka
iii
SPATIAL DATA PANEL
© Rezzy Eko Caraka
Diterbitkan oleh:
Dilarang memperbanyak atau memindahkan sebagian atau seluruh isi buku ini dalam
bentuk apapun, baik secara elektronis maupun mekanis, termasuk memfotocopy, merekam
atau dengan sistem penyimpanan lainnya, tanpa seizin tertulis dari Penerbit.
iv
KATA SAMBUTAN
(Preface)
v
related to the analysis, interpretation, and presentation of data
as a decision-making material. As an example of industry and
business activities, the application of statistical thinking beco-
mes very important for Decision Makers to be able to evaluate
the current system, and can advise or recommend to mana-
gement to make changes or improvements to the system in a
sustainable manner.
During the master's program by research in statistics, the
School of Mathematical Sciences of the National University of
Malaysia, Rezzy has demonstrated and proved the seriousness
to be involved in the development of science in particular
statistics and data mining fields. Start by running research and
writing indexed journal.
In August 2017 Rezzy followed the "Big Data Analytics
And IoT In Healthcare: The Future Of Medicine 2017" idea
challenge was held at the UKM Medical Center (PPUKM). The
ideas channeled will be used to improve medical services
through data gathering further. In November 2017 Rezzy also
represented the international student of The National
University of Malaysia to attend the convention of JALUMA4.0
held by Ministry of Higher Education Malaysia.
Hopefully, this book can be used as an alternative biblio-
graphy and useful by all circles who have interest in spatial
statistics.
Wassalam mu’alaykum Wr.wb
vi
KATA SAMBUTAN
(PREFACE)
vii
data mining. The motivation is to minimize time, money and
energy in the analysis.
As a Statistician is not enough if only understand the
methods and theory. Conducting the estimation of the para-
meter and mathematics formula also create a syntax. More than
that is statistically able to explain the essence of the problem to
analyze. At the same time, this book will guide to understand
the application of demography data and can pull the
information easily and efficiently. In Chapter 1 the author gives
the introduction about spatial data panel also how to modeling
by using Least Square Dummy Variable (LSDV). In chapter 2
focused on spatial weighted and demonstrate the estimation
parameter by using Spatial error fixed effect and simulation by
using R. In chapter 3 show about primary of Graphical User
Interface (GUI) Matlab and Chapter 4 illustrate about step
analyzing by using Spatial Data Panel with GUI
viii
KATA PENGANTAR
Puji syukur kepada Allah SWT kami panjatkan, berkat
rahmat dan karunia-Nya penulis dapat menyelesaikan buku ini.
Tak lupa semoga shalawat serta salam senantiasa tercurah
kepada junjungan kita Nabi Muhammad Saw, kepada keluarga-
nya, sahabatnya, para tabi'in, tabiut tabiahum, kepada kita
semua, serta kepada seluruh umatnya hingga akhir zaman yang
menjadikan sebagai uswatun hasanah, suri tauladan yang baik.
Buku ini merupakan lanjutan dari buku sebelumnya yang
telah dicetak oleh Graha Ilmu Yogyakarta – MOBIUS dengan
berjudul Geographically Weighted Regression (GWR): Sebuah kajian
regresi geografis. ISBN:978-602-19479-7-5.
Secara spesifik buku ini akan mengulas statistika Spatial
namun menggunakan data panel. Seperti yang diketahui bahwa
Analisis data panel merupakan analisis gabungan antara data
cross section dan data time series. Data panel diperoleh ketika
sejumlah objek diamati dari waktu ke waktu. Pembaca bisa
membaca secara rinci pada bab yang telah penulis sediakan
agar mudah membaca.
Pada dasarnya seorang statistisi tidak cukup hanya mampu
melakukan estimasi rumus, membangun syntax dan kaya
pemahaman dengan metode yang paling simple hingga terumit.
Seorang statistisi harus mampu menjelaskan insight dari data dan
memberikan pemahaman secara jelas makna dari output yang
dihasilkan. Statistika merupakan ilmu yang digunakan oleh
semua bidang. Oleh karena itu diperlukan juga pehaman untuk
memilih metode statistika yang paling sesuai. Seperti ibarat
memilih baju perlu disesuaikan yang paling nyaman digunakan
dan tidak berlebihan.
Atas terselesainya buku ini berikanlah kesempatan kepada
Penulis untuk mengucapkan terima kasih yang tulus kepada
mereka yang selalu memberikan support dan juga do’a:
ix
1. Ibunda Fauziani dan Ayahanda Rozali yang memberikan
cinta dan kasih sayang juga adik bungsu Roffi Dwi Putra
walaupun selalu bertengkar layaknya saudara juga
memeluk dengan hangat. Semangat menamatkan program
sarjana.
2. Prof. Dr. Ocky Karna Radjasa,M.Sc sumber insiprasi yang
memberikan kesempatan dan mengenalkan kepada
penulis terhadap dunia akademis dan peneliti
3. Dr.Shakinah Abu Bakar, Prof. Kamarulzaman Ibrahim,
Dr.Marina Binti Zahari, Dr.Hamizun Bin Ismail. School of
mathematical sciences The National University of Malaysia
(UKM) yang telah memberikan dukungan moril dan
materil
4. Prof.Budi Santosa,Ph.D guru besar Teknik Industri Institut
Teknologi Sepuluh Nopember (ITS) yang memberikan
banyak dukungan dan motivasi untuk menulis buku.
5. Segenap Staff pengajar, Mahasiswa/i, Keluarga De-
partemen Statistika FMIPA Universitas Padjadjaran
terutama kepada Dr.Toni Toharudin, M.Sc, Ibu Anindya
Apriliyanti, Bapak Gumgum Darmawan dan tim riset time
series.
6. Achmad Choiruddin, PhD. (Postdoc) Aalborg University,
Yudo Anggoro, PhD. Deputy Director- School of Business
and Management ITB, Putu Mahardika A S,Ph.D
Brawijaya University,Lena Hanifah,PhD Lambung
Mangkurat university, Wawan Sugiyarto,PhD Minsitry of
Finance, Jamilatuzzahro, Riki Herliansyah
7. Segenap staff pengajar, Mahasiswa/i, Keluarga De-
partemen Statistika Universitas Diponegoro. Terkhusus
kepada Dr. Tarno, Irawati Tamara dan Siti Maulina M
8. Bioinformatics and Data Science Research Center Bina
Nusantara University. Dr.Bens Pardamean, Dr.Haryono
x
Soeparno, Arif Budiarto,Hery H. Mulyo, Anzaludin
Samsinga P, Shinta Purnamasari, Tjeng Wawan C
9. Kepada sahabat yang selalu ada di hati yang selalu
memotivasi. Mengubah yang susah menjadi mudah, saling
menguatkan pada kebaikan menghapus sedih menjadi
tawa. Kadi Mey Ismail, Rachmad A R, Aan Andri Yano,
Isma Dwi Kurniawan, Mella Camelia,Dian Setyawati,
Albert Ryanta, M.Deqisyah Putra, Muhammad Tahmid,
Hakara Warid, Greget Kalla Buana, Ronny Gusnadi,
Muhammad Ali Husein, M.Isa D, Rahmat S A M, Grady
N, Zulkifli M, M Faisal A, M Syafii, Novieta Sinaga, Rizka
Tamimi, Avia Enggar T, Firda S D, Desriwendi, Lina I,
Gustriza E
10. PPI Malaysia (PPI-M),PPI Universitas Kebangsaan
Malaysia (PPI-UKM), Niki Alma FF, Fijar Akbar,Doni R,
Phoenna A T, Haekal Amrullah,Yusra Husainy, Hielda,
Siti Fitriyani, Supari, Richardo, Mukhlis NB, Ikumi, Rahito,
Revianty, Uswatun Hasanah.
11. Data Science Indonesia (DSI) Divisi Research Development
and Knowledge Management (RDKM) dan Data Science
Weekend (DSW)
Oleh karena itu penulis terus membuka diri untuk
menerima saran dan kritikan untuk perbaikan buku ini. Semua
korespondensi dapat dilakukan dengan email rezzyekocaraka
@gmail.com / rezzyekocaraka@rocketmail.com. Untuk efisiensi
pembaca, Semua script syntax program R dan juga MATLAB
GUI, data yang digunakan dapat diunduh pada website
www.rezzyekocaraka.com dengan kata kunci (password)
“kontribusiuntuknegeri“.
xi
Kuala Lumpur, 27 December 2017
xii
DAFTAR ISI
KATA SAMBUTAN (Preface) ..................................................... v
KATA PENGANTAR .................................................................. ix
DAFTAR ISI ................................................................................xiii
xiii
9. Uji Lagrange Multiplier .................................................. 37
10. Model Regresi Spasial Data Panel Fixed Effect .......... 38
10.1 Model Spasial Lag Fixed Effect ............................. 38
10.2 Model Spasial Error Fixed Effect........................... 39
10.3 Uji Likelihood Ratio .............................................. 40
10.4 Goodness of Fit ......................................................... 41
10.5 Uji Wald Model Spasial Lag Fixed Effect............. 42
10.6 Uji Asumsi Model Spasial Lag Fixed Effect......... 42
10.7 Interpretasi Model Spasial Lag Fixed Effect ........ 45
xiv
12. Interpretasi Model Spasial Lag Fixed Effect ................87
LAMPIRAN .................................................................................103
Tentang Penulis ..........................................................................118
xv
xvi
BAB 1
PENGANTAR
SPASIAL DATA PANEL
D
ata panel adalah gabungan antara data runtun waktu
(time series) dan data silang (cross section). Data runtut
waktu biasanya meliputi satu objek/individu (misal-
nya harga saham, kurs mata uang, SBI, atau tingkat inflasi),
tetapi meliputi beberapa periode (biasanya harian, bulanan,
kuartalan, atau tahunan). Data silang terdiri dari atas beberapa
atau banyak objek, sering disebut responden (misalnya per-
usahaan) dengan beberapa jenis data (misalnya; laba, biaya
iklan, laba ditahan, dan tingkat investasi) dalam suatu periode
waktu tertentu. Ketika akan melakukan suatu observasi peri-
laku unit ekonomi seperti rumah tangga, perusahaan atau
negara, tidak hanya akan melakukan observasi terhadap unit-
unit tersebut di dalam waktu yang bersamaan tetapi juga peri-
laku unit-unit tersebut pada berabagai periode waktu.
Regresi dengan menggunakan data panel disebut model
regresi data panel. Ada beberapa keuntungan yang diperoleh
dengan menggunakan data panel. Pertama, data panel meru-
pakan gabungan data time series dan cross section mampu me-
nyediakan data yang lebih banyak sehingga akan menghasil-
kan degree of freedom yang lebih besar. Kedua, menggabungkan
informasi dari data time series dan cross section dapat mengatasi
masalah yang timbul ketika ada masalah penghilangan varia-
bel (ommited-variable). Kerangka umum data panel dapat dilihat
pada Tabel 1
1
Tabel 1 Kerangka umum data panel
i t Yit Xit
1 1 Y11 X11
. . . .
. . . .
. . . .
1 T Y1T X1T
. . . .
. . . .
. . . .
N 1 YN1 XN1
. . . .
. . . .
. . . .
N T YNT XNT
Yi = α + β Xi + εi ; i = 1,2,....,N (1.1)
dengan :
Yi = peubah tak bebas unit individu ke-i
Xi = peubah bebas unit individu ke-i
N = banyaknya data cross section
Yt = α + β Xt + εt ; t = 1,2,....,T (1.2)
2
dengan :
Yt = peubah tak bebas unit waktu ke-t
Xt = variabel bebas unit waktu ke-t
T = banyaknya data time series
dengan:
i = 1, 2, …, N, menunjukkan rumah tangga, individu,
perusahaan dan lainnya (dimensi data silang)
t = 1, 2, …, T, menunjukkan dimensi deret waktu
α = koefisien intersep yang merupakan skalar
β = koefisien slope dengan dimensi K x 1, dimana K
adalah banyaknya peubah bebas
Yit = peubah tak bebas unit individu ke-i dan unit waktu
ke-t
xit = peubah bebas untuk unit individu ke-i dan unit
waktu ke-t
3
data tersebut, maka tidak dapat dilihat perbedaannya baik
antar individu maupun antar waktu. Atau dengan kata lain,
dalam pendekatan ini tidak memperhatikan dimensi individu
maupun waktu. Diasumsikan bahwa perilaku data antar peru-
sahaaan sama dalam berbagai kurun waktu. Bila diasumsikan
bahwa α dan β akan sama (konstan) untuk setiap data time
series dan cross section, maka α dan β dapat diestimasi dengan
model berikut menggunakan NxT pengamatan.
(1.5)
dengan:
(1.6)
4
Selanjutnya ditentukan derivatif parsial S terhadap α dan β
kemudian disamadengankan 0, diperoleh:
(1.7)
(1.8)
(1.9)
5
2.2 Model Fixed Effect dengan Pendekatan LSDV
Pendekatan metode kuadrat terkecil biasa adalah
pendekatan dengan mengasumsikan bahwa intercep dan
koefisien regressor dianggap konstan untuk seluruh unit
wilayah/daerah maupun unit waktu. Salah satu cara untuk
memperhatikan unit cross section atau unit time series adalah
dengan memasukkan variabel dummy untuk memberikan
perbedaan nilai parameter yang berbeda-beda, baik lintas unit
cross section maupun unit time series. Oleh karena itu pen-
dekatan dengan memasukkan variabel dummy ini dikenal juga
dengan Least Square Dummy Variable (LSDV) atau juga disebut
covariance model. Pendekatan yang sering paling dilakukan
adalah dengan mengizinkan intersep bervariasi antar unit cross
section namun tetap mengasumsikan bahwa slope koefisien
adalah konstan antar unit cross section. Pendekatan ini dalam
literatur dikenal dengan sebutan model fixed effect (FEM).
Model yang dibentuk dari teknik estimasi ini adalah:
(1.11)
dengan:
6
, untuk i ≠ l; i, l = 1,2, ... , N dan IT matriks
identitas berukuran TxT.
(1.12)
(1.13)
dengan:
(1.15)
7
Untuk menghilangkan pengaruh individu αi sehingga obser-
vasi individu dihitung sebagai selisih dari mean individu
terhadap waktu:
(1.16)
(1.17)
8
Dengan wit = εi+uit. Suku error gabungan wit memuat dua
komponen error yaitu εi komponen error cross section dan uit
yang merupakan kombinasi komponen error cross section dan
time series. Karena inilah model random effect sering disebut
juga Error Components Model (ECM). Ada beberapa hal terkait
output estimasi random effect. Pertama, penjumlahan dari nilai
random effect adalah nol, karena komponen eror (wit) meru-
pakan kombinasi time series error dan cross section error. Kedua,
nilai R2 diperoleh dari transformasi regresi Generalized Least-
Square (GLS) maka model random effect ini dapat diestimasi
dengan metode GLS. beberapa asumsi yang berlaku pada REM
adalah
(1.19)
(1.20)
Sehingga,
9
Selanjutnya menggunakan prosedur GLS akan diperoleh
estimator sebagai berikut:
(1.21)
(1.22)
10
H0 : α1 = α2 = ... = αN = α (Model Common Effect)
H1 : sekurang-kurangnya ada satu intersep αi yang
berbeda (Model Fixed Effect)
Dasar penolakan terhadap H0 adalah dengan
menggunakan F-statistik seperti berikut :
(1.23)
dengan:
RSS1 = residual sum of square hasil pendugaan model
common effect
RSS2 = residual sum of square hasil pendugaan model fixed
effect
N = jumlah data cross section
T = jumlah data time series
K = jumlah variabel bebas
11
Dasar penolakan H0 dengan menggunakan Statistik
Hausman dirumuskan sebagai berikut :
(1.24)
dengan:
b = koefisien random effect
β = koefisien fixed effect
σ
(2.25)
σ
dengan:
T = jumlah unit time series
N = jumlah unit cross section
σi2 = variansi residual persamaan ke-i
σ2 = variansi residual persamaan sistem
12
Kesimpulan H0 ditolak jika LM > 2(1;α) yang berarti
bahwa pada model terjadi heteroskedastisitas sehingga harus
diestimasi dengan metode weight : Cross section weight.
(1.26)
dengan:
N = jumlah unit cross section
K = jumlah variabel bebas
k = nilai kurtosis residual
S = nilai skewness residual
13
Kesimpulan H0 ditolak jika JB > 2
(2;α) yang berarti residual data
berdistribusi normal.
14
DAFTAR PUSTAKA
[BPS] Badan Pusat Statistik. 2009. Analisis Kemiskinan, Ketena-
gakerjaan, dan Distribusi Pendapatan. Jakarta : BPS.
_________. 2014. Indikator Kesejahteraan Rakyat Jawa Tengah
2014. Jawa Tengah : BPS.
_________. 2014. Spatial Panel Data Models : Spatial Econometrivs
From Cross-Sectional Data to Spatial Panels , Ch.3. New
York : Springer.
Anselin, L. 1988. Spatial Econometrics: Methods and Models.
Dordrecht: Kluwer Academic Publishers.
Anselin, L. 2009. Spatial Regression. Fotheringham AS, PA
Rogerson, editor, Handbook of Spatial Analysis. Londo :
Sage Publications.
Away, G.A. 2014. The Shortcut of Matlab Programming. Bandung
: Informatika Bandung
Badan Pusat Statistik (BPS). 2010. Indeks Pembangunan Manusia.
Jakarta: Badan Pusat Statistik.
Badan Pusat Statistik (BPS). 2011. Jawa Tengah Dalam Angka
2010. Semarang: Badan Pusat Statistik Jawa Tengah.
Badan Pusat Statistik (BPS). 2012. Jawa Tengah Dalam Angka
2011. Semarang: Badan Pusat Statistik Jawa Tengah.
Badan Pusat Statistik (BPS). 2013. Jawa Tengah Dalam Angka
2012. Semarang: Badan Pusat Statistik Jawa Tengah.
Badan Pusat Statistik (BPS). 2014. Jawa Tengah Dalam Angka
2013. Semarang: Badan Pusat Statistik Jawa Tengah.
Badan Pusat Statistik (BPS). 2015. Jawa Tengah Dalam Angka
2014. Semarang: Badan Pusat Statistik Jawa Tengah.
96
Badan Pusat Statistik (BPS). 2016. Berita Resmi Statistik.
Semarang: Badan Pusat Statistik Jawa Tengah.
Badan Pusat Statistik (BPS). 2016. Jawa Tengah Dalam Angka
2015. Semarang: Badan Pusat Statistik Jawa Tengah.
Baltagi, B. H. 2005. Econometrics Analysis of Panel Data (3 ed.).
Chicester, England: John Wiley & Sons Ltd.
Bruna, F., dan Yu, D. 2013. Geographically Weighted Panel
Regression. XI Congreso Galego de Estatistica e Investigacion
de Operations, A Coruna 24-26 de outubro de 2013.
Cai, R, Yu, D., dan Oppenheimer, M. 2014. Estimating the
Spatially Varying Responses of Corn Yields to Weather
Variations using Geographically Weighted Panel Re-
gression. Journal of Agricultural and Resource Economics,
Vol. 39, 2, 230-252.
Caraka, R. E. & Yasin, H. 2017. Geographically Weighted
Regression (GWR) Sebuah Pendekatan Regresi Geografis,
hlm. 1st Edisi . MOBIUS GRAHA ILMU. Retrieved from
www.rezzyekocaraka.com/book
Caraka, R. E. 2016. Sebuah Kajian dan Studi Perhitungan Dana
Pensiun di Indonesia. Journal Badan Pendidikan dan Pelatih-
an Keuangan Kementerian Keuangan Republik Indonesia (BPPK).
Vol. 9, No. 2. pp. 160-180.
Caraka, R. E., Sugiyarto, W., Erda, G., and Sadewo. E. 2016.
Pengaruh Inflasi Terhadap Impor dan Ekspor di Provinsi
Riau dan Kepulauan Riau Menggunakan Generalized Spatio
Time Series. Journal Badan Pendidikan dan Pelatihan Ke-
uangan Kementerian Keuangan Republik Indonesia (BPPK).
Vol. 9, No. 2. pp. 180-198.
97
Chalid, N., dan Yusuf, Y. 2014. Pengaruh Tingkat Kemiskinan,
Tingkat Pengangguran, Upah Minimum Kabupaten/
Kota dan Laju Pertumbuhan Ekonomi Terhadap Indeks
Pembangunan Manusia di Provinsi Riau. Jurnal Ekonomi,
Vol.22, 2.
Chasco, C., Garcia, I., dan Vicens, J. 2007. Modelling Spatial
Variation Household Disposible Income With
Geographically Weighted Regression. Munich Personal
Repec Archive (MPRA) , Working Paper, No. 1682.
Conover, W.L. 1980. Practical Nonparametric Statistics, Second
Edition. New York : John Wiley and Sons.
Cressie, N. A. C. 1993. Statistics for Spatial Data. Wiley Series
in Probability and Statistics. ISBN: 9781119115151.
Dewi, R.V., Astutik, S., dan Pramoedyo, H. 2015. Penentuan
Faktor-Faktor yang Mempengaruhi Angka Partisipasi
Sekolah Menggunakan Geographically Weighted Re-
gression dengan Metode Stepwise. Jurnal Mahasiswa
Statistik, Vol 3, 2.
Draper, N. R., dan Smith, H. 1992. Applied Regression
Analysis (2 ed.). New York: John Wiley and sons, Inc.
Elhorst, J.P. 2009. Spatial Panel Data Models : Handbook of Applied
Spatial Analysis, editor Fisher MM, A Getis, Ch. C.2. New
York : Springer.
Fotheringham, A. S., Brunsdon, C., dan Charlton, M. 2002.
Geographically Weighted Regression. England: John
Wiley & Sons Ltd.
Ghozali, I. 2009. EKONOMETRIKA. Semarang: Badan Penerbit
Universitas Diponegoro
98
Greene, W. H. 2003. Econometric Analysis (5 ed.). New Jersey:
Prentice Hall International.
Gujarati, D.N. 2004. Basic Econometrics 4th Edition. New York :
The McGraw-Hill Companies.
Haughton, J., Khandker, S.R. 2010. Pedoman Tentang Kemiskinan
dan Ketimpangan. Diterjemahkan oleh : Tim Penerjemah
World Bank. Jakarta : Salemba Empat. Terjemahan dari :
Handbook on Poverty and Inequality.
Jarque, C. M., dan Bera, A. K. 1987. A Test for normality of
observation and regression residuals. International
Statistical Review , Vol. 55, pp. 163-172.
Jaya, I. G., dan Sunengsih, N. 2009. Kajian Analisis Regresi
dengan Data Panel. Seminar Nasional Penelitian,
Pendidikan, dan Penerapan MIPA 2009. Fakultas MIPA,
Universitas Negeri Yogyakarta.
Jonaidi, A. 2012. Analisis Pertumbuhan Ekonomi dan Kemiskinan
di Indonesia. Jurnal Kajian Ekonomi Vol. 1, No. 1 : Hal.
140-164.
Kumalasari, M., dan Poeworno, D. 2011. Analisis Pertumbuhan
Ekonomi, Angka Melek Huruf, Rata Pengeluaran
Perkapita dan Jumlah Penduduk Terhadap Tingkat Ke-
miskinan di Jawa Tengah. http://eprints.undip. ac.id/
32133/1/Jurnal_Skripsi.pdf. Diakses 1 Desember 2016
Leasiwal, T.C. 2013. Determinan dan Karakteristik Kemiskinan di
Provinsi Maluku. Cita Ekonomi Vol. 7, No. 2.
LeSage, J.P. 1999. The Theory and Practice of Spatial Econometrics.
Ohio : Department of Economics. University of Toledo.
Leung, Y., Mei, C. L., dan Zhang, W. X. 2000. Statistical Test for
Spatial Non Stasionarity Based on the Geographically
99
Weighted Regression Model. Departement of Geography
and The Centre for Environmental Studies The Chinese
University of Hong Kong, Shatin, Hong Kong.
Maipita, I. 2013. Simulasi Dampak Kenaikan Upah Minimum
Terhadap Tingkat Pendapatan dan Kemiskinan. Ekuitas Vol.
17, No. 3 : Hal. 391-410.
Melliana, A., dan Zain, I. 2013. Analisis Faktor yang
Mempengaruhi Indeks Pembangunan Manusia di Kabu-
paten/Kota Provinsi Jawa Timur dengan Menggunakan
Regresi Panel. Jurnal Sains dan Seni POMITS , Vol. 2, 2,
237-242.
Mustika, C. 2011. Pengaruh PDB dan Jumlah Penduduk Terhadap
Kemiskinan di Indonesia Perode 1990-2008. Jurnal Paradig-
ma Ekonomika Vol. 1, No. 4 : Hal. 12-23.
Orinbao, A. A. M. 2013. Faktor-Faktor yang Mempengaruhi
Indeks Pembangunan Manusia di Provinsi Papua Barat
Tahun 2006-2009. http://e-journal.uajy.ac.id/3959/.
Diakses 1 Desember 2016.
Pradita, R. N., Yasin, H., dan Safitri, D. 2015. Pemodelan
Faktor-Faktor yang Mempengaruhi Indeks Pembangun-
an Manusia Kabupaten/Kota di Jawa Timur Mengguna-
kan Geographically Weighted Ordinal Logistic Regres-
sion. Jurnal Gaussian, Vol.4, 3, 639-650.
Pratama, Y.C. 2014. Analisis Faktor-Faktor yang Mempengaruhi
Kemiskinan di Indonesia. Esensi Vol. 4, No. 2 : Hal. 210-223.
Putri, I.A.S.M., Yuliarini N.N. 2013. Beberapa Faktor yang
Memengaruhi Tingkat Kemiskinan di Provinsi Bali. E-Jurnal
EP Unud Vol. 2, No. 10 : Hal. 441-448.
Qur'ani, A. Y. 2014. Pemodelan Geographically Weighted
Regression Panel (GWR-Panel) Sebagai Pendekatan
100
Model Geographically Weighted Regression (GWR)
Dengan Menggunakan Fixed Effect Model Time Trend.
Jurnal Mahasiswa Statistik, Vol.2, 3.
Ramdani, M. 2015. Determinan Kemiskinan di Indonesia Tahun
1982-2012. Economics Development Analysis Journal Vol.
4, No. 1 : Hal : 97-104.
Rawlings, J.O., Pantula, S.G., Dickey, A.D. 1998. Multiple Re-
gression In Matrix Notation : Applied Regression Analysis A
Research Tool, Second Edition, Ch.3. New York : Springer.
Riva, V.A., Kadir, H., Setiawan D. 2014. Pengaruh Tingkat
Pengangguran dan Upah Minimum Provinsi Terhadap Ting-
kat Kemiskinan di Provinsi Riau. JOM FEKON Vol. 1, No.2 :
Hal. 1-15.
Rizki, M., Rusgiyono, A., dan Mukid, M. A. 2015. Pemodelan
Indeks Pembangunan Manusia di Provinsi Jawa Tengah
Tahun 2008-2013 dengan Menggunakan Regresi Data
Panel. Jurnal Gaussian. Vol.4, 2, 345-354.
Setiawati, A.K., Setiawan. 2012. Pemodelan Persentase Penduduk
Miskin di Jawa Timur dengan Pendekatan Ekonometrika Panel
Spasial. Jurnal Sains dan Seni ITS Vol. 1, No.1 : Hal. 183-
187.
Suparjan dan Suyatno, H. 2002. Kebijakan Upah Minimum yang
Akomodatif. Jurnal Ilmu Sosial dan Politik Vol. 5, No. 3 :
Hal. 259-313.
Trianggara, N., Rahmawati, R., dan Yasin, H. 2016. Pemodelan
Indeks Pembangunan Manusia Menggunakan Spatial
Panel Fixed Effect (Studi Kasus: Indeks Pembangunan
Manusia Propinsi Jawa Tengah 2008 - 2013). Jurnal
Gaussian. Vol.5, 1, 173-182.
101
United Nations Development Programme (UNDP). 1990.
Human Development Report 1990. New york: United
Nations Development Programme (UNDP).
Wheeler, D. C., dan Antonio, P. 2010. Handbook of Applied
Spatial Analysis : Software Tools, Methods and
Applications. Berlin: Springer.
Widiyanto, M.A. 2013. Statistika Terapan : Konsep & Aplikasi
SPSS dalam Penelitian Bidang Pendidikan, Psikologi & Ilmu
Sosial Lainnya. Jakarta : PT Elex Media Komputindo.
Yacoub, Y. 2012. Pengaruh Tingkat Pengangguran Terhadap
Tingkat Kemiskinan Kabupaten/Kota di Provinsi Kalimantan
Barat. EKSOS Vol. 8, No. 3 : Hal. 176-185.
Yu, D. 2010. Explorating Spatiotemporally Varying Regressed
Relationships:The Geographically Weighted Panel Re-
gression Analysis. The International Archives of the
Photogrammetry, Remote Sensing and Spatial Infor-
mation Science, Vol.38, Part II.
102
LAMPIRAN
Lampiran 1. Data Indeks Pembangunan Manusia 35
Kabupaten/Kota di Jawa Tengah Tahun 2010-2015 dan
Variabel-Variabel yang Mempengaruhinya
Kabupaten /
Th. Y X1 X2 X3 X4 lat long
Kota
Kabupaten
2010 64,179 41,000 85,740 8,520,273 9,750 -7,729 108,792
Cilacap
Kabupaten
2010 66,865 50,000 87,740 8,969,670 7,370 -7,482 109,055
Banyumas
Kabupaten
2010 63,609 25,000 86,850 7,930,411 5,820 -7,390 108,883
Purbalingga
Kabupaten
2010 60,699 39,000 75,880 6,930,817 5,100 -7,379 109,624
Banjarnegara
Kabupaten
2010 63,077 43,000 91,560 7,367,877 8,020 -7,646 109,692
Kebumen
Kabupaten
2010 68,157 31,000 89,540 8,619,018 5,400 -7,739 109,965
Purworejo
Kabupaten
2010 62,504 24,000 66,030 9,032,282 5,040 -7,330 109,892
Wonosobo
Kabupaten
2010 63,281 32,000 77,210 7,232,949 6,970 -7,566 110,240
Magelang
Kabupaten
2010 68,758 38,000 89,840 10,840,215 5,900 -7,537 110,600
Boyolali
Kabupaten
2010 70,763 38,000 95,810 10,333,172 7,700 -7,700 110,625
Klaten
Kabupaten
2010 71,526 16,000 96,810 9,638,948 7,400 -7,684 110,397
Sukoharjo
Kabupaten
2010 63,900 40,000 86,920 7,556,763 4,700 -7,804 110,992
Wonogiri
Kabupaten
2010 70,312 26,000 90,170 9,712,065 6,620 -7,608 110,917
Karanganyar
Kabupaten
2010 67,672 31,000 92,970 10,163,872 8,890 -7,428 110,958
Sragen
Kabupaten
2010 64,557 37,000 79,990 8,674,418 5,600 -7,057 110,333
Grobogan
Kabupaten
2010 63,021 32,000 88,870 7,965,991 6,990 -6,932 111,408
Blora
Kabupaten
2010 64,527 18,000 84,260 8,388,918 7,890 -6,730 111,250
Rembang
Kabupaten
2010 65,134 35,000 90,460 8,541,023 11,220 -6,744 111,042
Pati
Kabupaten
2010 69,224 24,000 91,020 9,477,069 8,420 -6,806 111,717
Kudus
Kabupaten
2010 66,756 25,000 89,160 8,550,398 5,560 -6,550 110,786
Jepara
Kabupaten
2010 66,019 29,000 91,590 8,420,507 5,690 -6,875 110,640
Demak
Kabupaten
2010 69,579 29,000 94,830 9,929,963 6,250 -7,132 110,454
Semarang
Kabupaten
2010 63,077 28,000 87,650 8,438,104 3,600 -7,322 110,579
Temanggung
103
Kabupaten
2010 66,227 32,000 90,150 9,357,734 6,570 -6,916 109,983
Kendal
Kabupaten
2010 61,644 22,000 81,390 7,273,518 6,480 -6,894 109,862
Batang
Kabupaten
2010 63,750 29,000 70,860 8,403,119 4,040 -7,066 109,640
Pekalongan
Kabupaten
2010 58,644 26,000 79,510 6,258,616 11,450 -6,929 109,483
Pemalang
Kabupaten
2010 61,142 33,000 80,190 7,429,034 7,480 -6,986 109,155
Tegal
Kabupaten
2010 59,491 43,000 73,490 8,392,576 8,210 -6,840 108,943
Brebes
Kota
2010 73,993 10,000 96,770 9,680,964 13,280 -7,463 110,211
Magelang
Kota
2010 77,455 27,000 91,670 12,123,324 8,730 -7,578 110,757
Surakarta
Kota Salatiga 2010 78,350 11,000 97,780 13,410,683 10,220 -7,341 110,501
Kota
2010 76,959 53,000 94,490 11,986,753 8,980 -6,976 110,390
Semarang
Kota
2010 68,948 17,000 74,130 10,223,669 7,000 -6,897 109,683
Pekalongan
Kota Tegal 2010 69,330 7,000 80,490 10,644,417 12,220 -6,862 109,120
Kabupaten
2011 64,730 43,000 91,910 8,800,849 8,820 -7,729 108,792
Cilacap
Kabupaten
2011 67,455 52,000 86,560 9,241,179 6,610 -7,482 109,055
Banyumas
Kabupaten
2011 64,329 25,000 84,760 8,228,054 5,100 -7,390 108,883
Purbalingga
Kabupaten
2011 61,582 39,000 71,760 7,361,951 4,970 -7,379 109,624
Banjarnegara
Kabupaten
2011 64,050 41,000 91,360 7,456,906 4,730 -7,646 109,692
Kebumen
Kabupaten
2011 69,107 31,000 92,010 8,921,184 5,300 -7,739 109,965
Purworejo
Kabupaten
2011 63,070 25,000 80,460 9,274,725 4,920 -7,330 109,892
Wonosobo
Kabupaten
2011 64,162 32,000 79,350 7,457,734 6,830 -7,566 110,240
Magelang
Kabupaten
2011 69,140 38,000 88,660 11,147,287 5,810 -7,537 110,600
Boyolali
Kabupaten
2011 71,159 38,000 94,080 10,592,919 7,630 -7,700 110,625
Klaten
Kabupaten
2011 72,342 16,000 94,110 9,922,394 6,270 -7,684 110,397
Sukoharjo
Kabupaten
2011 64,753 40,000 94,860 7,928,307 3,820 -7,804 110,992
Wonogiri
Kabupaten
2011 71,004 26,000 95,760 10,023,493 5,880 -7,608 110,917
Karanganyar
Kabupaten
2011 68,115 30,000 93,520 10,508,879 8,430 -7,428 110,958
Sragen
Kabupaten
2011 65,412 37,000 91,260 9,060,733 5,330 -7,057 110,333
Grobogan
Kabupaten
2011 63,875 31,000 90,130 8,245,735 6,900 -6,932 111,408
Blora
104
Rembang
Kabupaten
2011 65,706 35,000 91,530 8,828,245 10,170 -6,744 111,042
Pati
Kabupaten
2011 69,888 24,000 90,040 9,747,366 8,320 -6,806 111,717
Kudus
Kabupaten
2011 67,630 25,000 91,550 8,821,423 5,480 -6,550 110,786
Jepara
Kabupaten
2011 66,840 29,000 91,930 8,727,587 5,030 -6,875 110,640
Demak
Kabupaten
2011 70,354 30,000 94,160 10,230,662 6,160 -7,132 110,454
Semarang
Kabupaten
2011 64,142 28,000 82,950 8,751,100 4,540 -7,322 110,579
Temanggung
Kabupaten
2011 66,959 32,000 85,440 9,701,351 6,540 -6,916 109,983
Kendal
Kabupaten
2011 62,588 23,000 82,880 7,609,690 6,660 -6,894 109,862
Batang
Kabupaten
2011 64,715 29,000 76,160 8,575,657 6,910 -7,066 109,640
Pekalongan
Kabupaten
2011 59,661 26,000 84,290 6,487,660 7,370 -6,929 109,483
Pemalang
Kabupaten
2011 61,974 34,000 85,860 7,713,163 10,590 -6,986 109,155
Tegal
Kabupaten
2011 60,507 44,000 80,210 8,491,611 11,080 -6,840 108,943
Brebes
Kota
2011 74,475 10,000 91,810 9,921,707 10,510 -7,463 110,211
Magelang
Kota
2011 78,003 27,000 96,050 12,464,256 7,700 -7,578 110,757
Surakarta
Kota Salatiga 2011 78,763 11,000 99,110 13,727,316 8,020 -7,341 110,501
Kota
2011 77,576 54,000 96,210 12,271,293 7,650 -6,976 110,390
Semarang
Kota
2011 69,544 17,000 84,350 10,559,725 7,060 -6,897 109,683
Pekalongan
Kota Tegal 2011 70,028 7,000 85,600 10,965,490 9,770 -6,862 109,120
Kabupaten
2012 65,720 43,000 92,820 8,969,118 7,290 -7,729 108,792
Cilacap
Kabupaten
2012 68,064 52,000 83,770 9,446,507 5,110 -7,482 109,055
Banyumas
Kabupaten
2012 64,940 25,000 85,420 8,449,593 5,020 -7,390 108,883
Purbalingga
Kabupaten
2012 62,292 38,000 82,010 7,570,147 4,690 -7,379 109,624
Banjarnegara
Kabupaten
2012 64,468 45,000 94,230 7,638,203 3,580 -7,646 109,692
Kebumen
Kabupaten
2012 69,401 31,000 91,800 9,022,491 5,200 -7,739 109,965
Purworejo
Kabupaten
2012 64,181 26,000 76,270 9,403,926 5,910 -7,330 109,892
Wonosobo
Kabupaten
2012 64,750 33,000 85,300 7,689,505 6,380 -7,566 110,240
Magelang
Kabupaten
2012 69,510 38,000 87,270 11,381,357 5,450 -7,537 110,600
Boyolali
Kabupaten
2012 71,713 38,000 97,470 10,858,299 5,700 -7,700 110,625
Klaten
105
Kabupaten
2012 72,812 16,000 94,570 10,111,788 6,100 -7,684 110,397
Sukoharjo
Kabupaten
2012 65,747 40,000 92,490 8,132,516 3,460 -7,804 110,992
Wonogiri
Kabupaten
2012 72,264 27,000 94,820 10,190,831 5,820 -7,608 110,917
Karanganyar
Kabupaten
2012 68,911 32,000 94,350 10,698,312 5,880 -7,428 110,958
Sragen
Kabupaten
2012 66,389 37,000 92,930 9,208,268 4,200 -7,057 110,333
Grobogan
Kabupaten
2012 64,697 32,000 94,780 8,447,930 6,750 -6,932 111,408
Blora
Kabupaten
2012 66,026 18,000 87,760 8,881,772 5,750 -6,730 111,250
Rembang
Kabupaten
2012 66,130 36,000 90,930 8,997,039 11,980 -6,744 111,042
Pati
Kabupaten
2012 70,571 26,000 86,680 9,964,020 8,290 -6,806 111,717
Kudus
Kabupaten
2012 68,447 26,000 90,200 9,999,004 4,290 -6,550 110,786
Jepara
Kabupaten
2012 67,548 30,000 89,360 8,924,469 5,200 -6,875 110,640
Demak
Kabupaten
2012 70,884 30,000 89,120 10,458,810 4,870 -7,132 110,454
Semarang
Kabupaten
2012 64,908 28,000 86,760 8,951,817 3,390 -7,322 110,579
Temanggung
Kabupaten
2012 67,546 32,000 91,650 9,909,524 6,310 -6,916 109,983
Kendal
Kabupaten
2012 63,093 23,000 85,780 7,821,367 5,880 -6,894 109,862
Batang
Kabupaten
2012 65,325 29,000 83,590 8,751,739 5,080 -7,066 109,640
Pekalongan
Kabupaten
2012 60,776 27,000 83,190 6,725,086 4,850 -6,929 109,483
Pemalang
Kabupaten
2012 62,666 35,000 88,060 7,894,253 6,120 -6,986 109,155
Tegal
Kabupaten
2012 60,921 44,000 83,730 8,591,814 8,220 -6,840 108,943
Brebes
Kota
2012 75,000 10,000 96,860 10,169,037 8,990 -7,463 110,211
Magelang
Kota
2012 78,443 27,000 87,940 12,680,169 6,290 -7,578 110,757
Surakarta
Kota Salatiga 2012 79,101 11,000 96,170 13,966,441 6,840 -7,341 110,501
Kota
2012 78,040 53,000 95,150 12,488,367 6,010 -6,976 110,390
Semarang
Kota
2012 69,950 18,000 89,140 10,755,914 7,670 -6,897 109,683
Pekalongan
Kota Tegal 2012 70,679 11,000 86,870 11,250,693 8,750 -6,862 109,120
Kabupaten
2013 66,805 44,000 87,070 9,070,608 6,680 -7,729 108,792
Cilacap
Kabupaten
2013 68,551 53,000 91,320 9,560,775 5,050 -7,482 109,055
Banyumas
Kabupaten
2013 65,530 25,000 85,650 8,535,276 5,010 -7,390 108,883
Purbalingga
106
Banjarnegara
Kabupaten
2013 64,864 45,000 94,750 7,729,609 3,520 -7,646 109,692
Kebumen
Kabupaten
2013 69,773 31,000 94,470 9,155,275 5,150 -7,739 109,965
Purworejo
Kabupaten
2013 64,567 26,000 83,420 9,458,317 5,820 -7,330 109,892
Wonosobo
Kabupaten
2013 65,859 33,000 89,060 7,856,025 6,130 -7,566 110,240
Magelang
Kabupaten
2013 69,812 40,000 93,720 11,490,125 5,440 -7,537 110,600
Boyolali
Kabupaten
2013 72,420 38,000 95,260 10,961,899 5,340 -7,700 110,625
Klaten
Kabupaten
2013 73,222 16,000 93,310 10,247,398 5,980 -7,684 110,397
Sukoharjo
Kabupaten
2013 66,398 41,000 90,930 8,234,951 3,310 -7,804 110,992
Wonogiri
Kabupaten
2013 73,331 27,000 93,180 10,285,646 3,840 -7,608 110,917
Karanganyar
Kabupaten
2013 69,951 32,000 94,810 10,856,622 5,630 -7,428 110,958
Sragen
Kabupaten
2013 67,430 37,000 93,250 9,284,184 4,100 -7,057 110,333
Grobogan
Kabupaten
2013 65,373 32,000 93,840 9,539,537 6,230 -6,932 111,408
Blora
Kabupaten
2013 66,838 18,000 95,800 8,994,143 5,670 -6,730 111,250
Rembang
Kabupaten
2013 66,468 37,000 93,330 9,087,984 7,290 -6,744 111,042
Pati
Kabupaten
2013 71,578 27,000 90,230 10,082,378 8,070 -6,806 111,717
Kudus
Kabupaten
2013 69,110 26,000 91,460 10,176,977 5,340 -6,550 110,786
Jepara
Kabupaten
2013 68,380 30,000 92,300 8,982,633 5,080 -6,875 110,640
Demak
Kabupaten
2013 71,289 30,000 95,080 10,561,760 3,900 -7,132 110,454
Semarang
Kabupaten
2013 65,523 28,000 89,260 9,041,583 3,370 -7,322 110,579
Temanggung
Kabupaten
2013 67,984 32,000 95,230 10,079,542 6,230 -6,916 109,983
Kendal
Kabupaten
2013 63,596 23,000 83,720 7,966,907 7,020 -6,894 109,862
Batang
Kabupaten
2013 66,262 29,000 86,390 8,883,796 4,780 -7,066 109,640
Pekalongan
Kabupaten
2013 61,810 28,000 87,570 6,863,490 6,480 -6,929 109,483
Pemalang
Kabupaten
2013 63,500 35,000 87,740 8,001,082 6,890 -6,986 109,155
Tegal
Kabupaten
2013 61,868 46,000 85,300 8,730,588 9,610 -6,840 108,943
Brebes
Kota
2013 75,294 10,000 98,920 10,257,801 6,750 -7,463 110,211
Magelang
Kota
2013 78,891 27,000 95,790 12,819,733 7,220 -7,578 110,757
Surakarta
107
Kota Salatiga 2013 79,375 11,000 95,140 14,124,886 6,210 -7,341 110,501
Kota
2013 78,684 52,000 95,100 12,713,527 6,020 -6,976 110,390
Semarang
Kota
2013 70,821 18,000 88,170 10,922,287 5,280 -6,897 109,683
Pekalongan
Kota Tegal 2013 71,441 11,000 93,760 11,415,767 9,320 -6,862 109,120
Kabupaten
2014 67,249 48,000 91,410 9,091,043 5,651 -7,729 108,792
Cilacap
Kabupaten
2014 69,247 61,000 97,000 9,579,954 5,040 -7,482 109,055
Banyumas
Kabupaten
2014 66,230 29,000 94,270 8,538,623 5,007 -7,390 108,883
Purbalingga
Kabupaten
2014 63,153 38,000 87,360 7,683,726 4,056 -7,379 109,624
Banjarnegara
Kabupaten
2014 65,666 48,000 96,860 7,754,855 3,246 -7,646 109,692
Kebumen
Kabupaten
2014 70,122 35,000 97,130 9,189,398 5,096 -7,739 109,965
Purworejo
Kabupaten
2014 65,202 28,000 86,400 9,491,023 5,338 -7,330 109,892
Wonosobo
Kabupaten
2014 66,350 33,000 93,240 7,877,092 5,455 -7,566 110,240
Magelang
Kabupaten
2014 70,344 40,000 98,410 11,503,794 4,949 -7,537 110,600
Boyolali
Kabupaten
2014 73,193 46,000 96,870 10,965,399 4,752 -7,700 110,625
Klaten
Kabupaten
2014 73,760 21,000 99,490 10,264,476 4,597 -7,684 110,397
Sukoharjo
Kabupaten
2014 66,765 42,000 98,140 8,248,677 3,247 -7,804 110,992
Wonogiri
Kabupaten
2014 73,893 29,000 100,000 10,313,383 3,644 -7,608 110,917
Karanganyar
Kabupaten
2014 70,523 35,000 98,590 10,876,036 5,037 -7,428 110,958
Sragen
Kabupaten
2014 67,766 37,000 97,020 9,303,261 4,046 -7,057 110,333
Grobogan
Kabupaten
2014 65,844 32,000 98,100 9,568,156 4,797 -6,932 111,408
Blora
Kabupaten
2014 67,403 18,000 100,000 9,013,010 5,225 -6,730 111,250
Rembang
Kabupaten
2014 66,987 36,000 98,180 9,106,282 6,374 -6,744 111,042
Pati
Kabupaten
2014 71,995 29,000 96,510 10,102,141 5,031 -6,806 111,717
Kudus
Kabupaten
2014 69,611 29,000 94,490 10,194,967 5,090 -6,550 110,786
Jepara
Kabupaten
2014 68,954 30,000 97,070 9,003,498 5,072 -6,875 110,640
Demak
Kabupaten
2014 71,654 30,000 96,890 10,585,857 4,375 -7,132 110,454
Semarang
Kabupaten
2014 65,973 28,000 91,420 9,062,362 3,187 -7,322 110,579
Temanggung
Kabupaten
2014 68,459 34,000 96,400 10,125,642 6,151 -6,916 109,983
Kendal
108
Batang
Kabupaten
2014 66,980 29,000 91,000 8,937,570 6,029 -7,066 109,640
Pekalongan
Kabupaten
2014 62,350 29,000 92,740 6,910,756 7,444 -6,929 109,483
Pemalang
Kabupaten
2014 64,098 36,000 92,260 8,049,699 8,471 -6,986 109,155
Tegal
Kabupaten
2014 62,547 49,000 88,850 8,783,611 9,528 -6,840 108,943
Brebes
Kota
2014 75,789 13,000 100,000 10,344,340 7,384 -7,463 110,211
Magelang
Kota
2014 79,340 32,000 97,210 12,907,287 6,162 -7,578 110,757
Surakarta
Kota Salatiga 2014 79,984 13,000 98,730 14,204,817 4,464 -7,341 110,501
Kota
2014 79,236 63,000 96,630 12,802,483 7,756 -6,976 110,390
Semarang
Kota
2014 71,529 22,000 89,340 11,006,435 5,417 -6,897 109,683
Pekalongan
Kota Tegal 2014 72,201 12,000 95,140 11,519,210 9,203 -6,862 109,120
Kabupaten
2015 67,771 48,000 99,580 9,350,814 5,010 -7,729 108,792
Cilacap
Kabupaten
2015 69,893 62,000 98,440 10,104,408 4,970 -7,482 109,055
Banyumas
Kabupaten
2015 67,029 27,000 99,360 8,937,993 4,836 -7,390 108,883
Purbalingga
Kabupaten
2015 64,733 38,000 100,000 7,929,958 4,046 -7,379 109,624
Banjarnegara
Kabupaten
2015 66,874 46,000 99,630 8,008,236 3,142 -7,646 109,692
Kebumen
Kabupaten
2015 70,369 34,000 100,000 9,305,425 4,014 -7,739 109,965
Purworejo
Kabupaten
2015 65,699 28,000 100,000 9,735,753 4,472 -7,330 109,892
Wonosobo
Kabupaten
2015 67,132 33,000 99,640 8,181,885 5,163 -7,566 110,240
Magelang
Kabupaten
2015 71,738 40,000 99,170 11,806,221 2,033 -7,537 110,600
Boyolali
Kabupaten
2015 73,809 46,000 100,000 11,177,836 2,512 -7,700 110,625
Klaten
Kabupaten
2015 74,526 21,000 100,000 10,415,856 4,520 -7,684 110,397
Sukoharjo
Kabupaten
2015 67,761 42,000 100,000 9,416,972 3,074 -7,804 110,992
Wonogiri
Kabupaten
2015 74,263 29,000 99,240 10,486,190 3,604 -7,608 110,917
Karanganyar
Kabupaten
2015 71,099 35,000 99,090 11,434,212 4,512 -7,428 110,958
Sragen
Kabupaten
2015 68,045 37,000 99,690 9,457,407 4,219 -7,057 110,333
Grobogan
Kabupaten
2015 66,219 32,000 100,000 9,699,487 4,680 -6,932 111,408
Blora
Kabupaten
2015 68,185 18,000 99,600 9,122,176 4,515 -6,730 111,250
Rembang
Kabupaten
2015 68,512 38,000 100,000 9,379,514 4,430 -6,744 111,042
Pati
109
Kabupaten
2015 72,718 29,000 100,000 10,202,843 5,017 -6,806 111,717
Kudus
Kabupaten
2015 70,015 29,000 99,820 10,503,764 6,122 -6,550 110,786
Jepara
Kabupaten
2015 69,748 30,000 100,000 9,117,785 5,016 -6,875 110,640
Demak
Kabupaten
2015 71,885 31,000 99,210 10,777,860 2,567 -7,132 110,454
Semarang
Kabupaten
2015 67,068 28,000 99,680 9,368,709 1,503 -7,322 110,579
Temanggung
Kabupaten
2015 69,566 36,000 100,000 10,418,838 6,073 -6,916 109,983
Kendal
Kabupaten
2015 65,456 23,000 99,870 8,244,317 4,561 -6,894 109,862
Batang
Kabupaten
2015 67,399 32,000 99,810 9,207,649 5,101 -7,066 109,640
Pekalongan
Kabupaten
2015 63,700 36,000 99,430 7,177,474 6,527 -6,929 109,483
Pemalang
Kabupaten
2015 65,043 36,000 99,190 8,366,555 9,517 -6,986 109,155
Tegal
Kabupaten
2015 63,184 49,000 98,890 9,097,791 6,487 -6,840 108,943
Brebes
Kota
2015 76,386 12,000 97,360 10,793,296 6,431 -7,463 110,211
Magelang
Kota
2015 80,143 30,000 100,000 13,604,401 4,533 -7,578 110,757
Surakarta
Kota Salatiga 2015 80,962 13,000 98,800 14,599,698 6,425 -7,341 110,501
Kota
2015 80,231 64,000 99,330 13,588,603 5,769 -6,976 110,390
Semarang
Kota
2015 72,688 21,000 99,500 11,253,062 4,101 -6,897 109,683
Pekalongan
Kota Tegal 2015 72,963 12,000 100,000 11,748,197 8,058 -6,862 109,120
110
Kab. 2010 20,2 5,77 15,55 50,94 6,70 7,37
Banyumas
2011 21,11 5,95 15,57 49,98 7,50 4,95
111
Kab. Klaten 2010 17,47 1,73 11,30 55,27 7,35 4,50
112
2011 14,69 5,43 11,93 52,85 7,70 7,37
113
2012 13,85 5,32 8,43 57,25 8,73 5,07
114
2013 8,26 5,89 2,78 54,71 9,80 5,28
115
12 Kab. Wonogiri 30 Kota Magelang
13 Kab. Karanganyar 31 Kota Surakarta
14 Kab. Sragen 32 Kota Salatiga
15 Kab. Grobogan 33 Kota Semarang
16 Kab. Blora 34 Kota Pekalongan
17 Kab. Rembang 35 Kota Tegal
18 Kab. Pati
% Input Data %
[namaFile,namaPath]=uigetfile({'*.xls;*.xlsx','File
Data(**.xls;*.xlsx)'});
data=xlsread(fullfile(namaPath,namaFile));
id=data(:,1);
y = data(:,[3:end]);
x = y(:,2:end);
K = size(x,2);
m = size(x,1);
y1=y(:,1);
y2=sortrows(data,2);
y3=y2(:,3);
x3=y2(:,[4:end]);
% Input Pembobot %
[nameFile,namePath]=uigetfile({'*.xls;*.xlsx','File
Data(**.xls;*.xlsx)'});
metrik=xlsread(fullfile(namePath,nameFile));
W1=metrik;
W=normw(W1);
% Proses Analisis %
results = ppooled(y);
prt_panel(results);
lmlag = lmlag_result(W,results,x,y1,T,N);
LM_lag = lmlag.LMlag;
Prob2 = lmlag.Prob2;
lmerror = lmerror_result(W,results,x,T);
LM_error = lmerror.LMerror;
Prob1 = lmerror.Prob1;
xconstant=ones(N*T,1);
info.model = 0;
info.fe = 0;
116
info.lfag = 0;
results1 = sar_panel_FE(y3,[xconstant x3],W,T,info);
logliklag=results1.lik;
results4=sem_panel_FE(y3,[xconstant x3],W,T,info);
loglikerror=results4.lik;
info.model=1;
info.fe=1;
results2=sar_panel_FE(y3,x3,W,T,info);
logliklagfe=results2.lik;
blagfe=results2.parm(1:end-1);
gof2=results2.rsqr;
results5=sem_panel_FE(y3,x3,W,T,info);
berrorfe=results5.parm(1:end-1);
loglikerrorfe=results5.lik;
gof5=results5.rsqr;
LR_sarfe=-2*(logliklag-logliklagfe);
dof2=N-1;
prob_sarfe=1-chis_prb(LR_sarfe,dof2);
LR_semfe=-2*(loglikerror-loglikerrorfe);
dof5=N-1;
prob_semfe=1-chis_prb(LR_semfe,dof5);
prtsp(results2,[],1);
fprintf(1,'LRtest of SAR FE =%9.4f,%6d,%9.4f\n',LR_sarfe,
dof2,prob_sarfe);
prtsp(results5,[],1);
fprintf(1,'LRtest of SEM FE =%9.4f,%6d,%9.4f\n',LR_semfe,
dof5,prob_semfe);
‘’
117
Tentang Penulis
118
(GWR):SebuahPendekatanRegresiGeografis”olehMOBIUS
Graha Ilmu Yogyakarta. ISBN:978-602-19479-7-5. Rezzy aktif
sebagai research assistant BDSRC BINUS, research assistant di
School of Mathematical Sciences The National University of
Malaysia dan juga Research Development and Knowledge
Management Data Science Indonesia (DSI). Pembaca bisa
mengunjungi laman pribadi penulis di www.rezzyekocaraka.
com atau laman researchgate. https://www.researchgate.net/pro
file/RezzyCaraka2
HASBI YASIN
Lahir di Pekalongan, Jawa Tengah
pada 17 Desember 1982. Menyele-
saikan program sarjana di Mate-
matika FMIPA Universitas Dipone-
goro pada tahun 2005 dengan pene-
litian Estimasi Regresi Non Parame-
trik dengan Metode Wavelet
Shrinkage pada Model Rancangan
Tetap dan Magister Statistika Institut Teknologi Sepuluh
Nopember (ITS) Surabaya pada tahun 2009 dengan penelitian
Model Mixed Geographically Weighted Regression (Studi
Kasus: Persentase Rumah Tangga Miskin di Kabupaten
Mojokerto Tahun 2008) dan mendapatkan penghargaan sebagai
wisudawan terbaik.
Hasbi Yasin merupakan Dosen di Departemen Statistika
FSM UNDIP dengan bidang keahlian statistika Spatial, kom-
putasi statistika. Ia juga mengampu mata kuliah Teknik
Simulasi, Metode Numerik dan Teori Antrian. Selama menjadi
tenaga pendidik Ia aktif melakukan penelitian antara lain
didanai oleh Dana Swakelola BKP Provinsi Jawa Tengah
(2012), DIPA PNBP FMIPA UNDIP (2012-sekarang),
Penelitian Fundamental DIKTI, Penelitian Hibah Bersaing
119
DIKTI. Ia bersama mahasiswa bimbingannya juga membuat
buku tentang Geographically Weighted Regression (GWR): Se-
buah kajian regresi geografis dan buku ke-2 ini berjudul
Statistika Data Panel merupakan lanjutan dari buku tersebut.
120
121
View publication stats